一种基于边缘检测的改进的中值滤波去噪方法

中值滤波是一种去除椒盐噪声的有效算法,在现实生活中应用相当广泛。传统的中值滤波在去噪的同时很容易丢失图像的边缘信息。本文提出一种基于边缘检测的改进的中值滤波去噪算法。它先将含噪图像的边缘信息检测出来,然后将边缘信息保存下来,再对原含噪图像用中值滤波进行图像去噪,然后对于保存下来的边缘信息用小模板进行去噪,再用该小模板去噪后的边缘信息区替换中值滤波后的边缘信息。最后通过实验验证,此去噪算法可以在去噪的同时更好地保护图像的边缘信息。     

基于边缘检测的图象小波阈值去噪方法

边缘特征是图象最为有用的高频信息，因此，在图象去噪的同时，尽量保留图象的边缘特征，应是图象去噪首要顾及的问题。基于这一思想，提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前，先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征，这些小波系数将不受阈值去噪的影响，因此，可以只是根据噪声方差来设置去噪的阈值，而不必担心损害图象的边缘特征。理论分析和实验结果都表明，与普通的小波阈值去噪方法相比，该方法不但可以保持图象的边缘信息，而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声，又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来，在一定程度上解决了这种两难的问题。     

基于刚体模型的视频自适应中值去噪算法

传统的去噪研究主要针对图像进行滤波,未考虑视频信号的时域与空域相关性。为充分利用视频信号的时空联系进行去噪,首先建立了视频刚体模型,然后基于刚体模型进行了自适应中值滤波的研究和对比。刚体模型将视频信号分解为只包含平移和旋转运动的刚体块,以线性关系组织视频像素。基于刚体模型的中值滤波使用被滤波点在刚体内空域相邻和时域对应的像素参与中值计算,并根据时域和空域的污染程度不同选择参考像素集的范围。通过对常用测试视频的去噪实验,证实了基于刚体模型去噪的可行性;基于刚体模型的自适应中值滤波的去噪效果优于普通空域自适应滤波,证明了时空联合去噪的优越性。     

基于图像处理技术的混凝土路面裂缝检测方法

为了提高公路混凝土路面病害的检测效率,采用图像处理技术实现了路面裂缝的自动识别和病害参数的自动提取。首先通过阈值分割法检测出路面裂缝,根据线性和网状裂缝图像背景连通域数量的差异,采用区域标记法计算背景连通域的数量实现了裂缝分类;其次根据线性裂缝几何形态的差异性,通过投影法实现了横、纵和斜向裂缝的细分;最后对线性裂缝提取裂缝骨架并细化求出其长度、平均宽度等病害参数;对于网状裂缝通过求其最小外接矩形计算其破损面积。     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息,因此,在图像去噪的同时,应尽量保留图像的边缘特征。为实现这一想法,提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘,对检测出的边缘进行均值平滑滤波,以减少边缘图像中的孤立点噪声;进而再对图像边缘和含噪图像分别进行小波分解,根据分解后的小波系数以确定图像的边缘特征和非边缘特征;最后,再对图像边缘对应的小波分解系数进行小阈值处理,而对非边缘的则进行大阈值处理,从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明,与普通的小波阈值去噪方法相比,该方法可有效地保持图像的边缘信息,去噪效果则优于前者。     

图像的小波分析去噪

介绍了小波分析去噪的基本原理,研究了基于小波变换的图像去噪法并进行了试验验证。结果表明,与常用的图像去噪方法相比,小波去噪法可以很好的保留图像的细节信息,性能优于其他方法。     

基于刚体模型的视频插值去噪算法

为充分利用视频的时空联系去噪,提出了视频的刚体模型.刚体模型以线性关系组织视频的像素,结合了像素间的时域和空域关联,可以通过主色调区域划分和边缘句法匹配获得视频的刚体分解及其对应关系.基于刚体模型的插值去噪利用像素值的空域邻近性和时域稳定性联合判断插值像素的参考价值.对常用测试视频的去噪实验表明了刚体模型的正确性,基于刚体模型的插值去噪方法在视觉效果和峰值信噪比上都表现出色.     

基于PCA的图像小波去噪方法

目前使用的各种小波去噪方法基本上都是建立在对噪声方差精确估计的基础上，而对噪声方差的精确估计是很困难的．提出了一种采用主分量分析（PCA）提取小波系数的主要特征，通过对小波域中噪声能量的估计来实现去噪的新方法．首先利用PCA对小波高频子带进行局部特征提取；然后以主分量对小波系数进行重建的平均能量作为局部噪声能量的估计；将原小波系数的能量减去噪声能量，就得到去噪后的小波系数；最后用小波逆变换对剔除噪声分量后的小波系数进行恢复得到去噪后的图像．本文算法无需对噪声方差进行估计，因而更具实用价值．本文算法与“软阈值”、“硬阈值”去噪方法相比，峰值信噪比（PNNR）提高了2～8dB．实验证实了本文算法良好的去噪性能。     

基于加权融合纹理的路面裂缝检测

基于规则纹理的路面裂缝检测算法由于其自身存在的弱规则性、抗噪性差和稳定性差等问题,不能有效地检测出路面裂缝。为了解决此类问题,提出了一种基于加权融合纹理的路面裂缝检测算法。该方法采用单向多级中值滤波器滤除噪声,同时有效地保留裂缝边缘细节信息;然后融合局部二元模式特征、相对标准差和对比度三种纹理特征提取路面裂缝。实验结果表明,该算法抗噪性好,能快速有效地检测出路面裂缝。     

基于局部纹理特征的沥青路面裂缝检测方法

针对不均匀光照和阴影等因素影响沥青路面图像中裂缝检测误识别问题,提出一种基于局部纹理特征的沥青路面裂缝检测方法.设计结构保持型Retinex算法将高频的纹理信号从低频光照信号和结构型纹理中分离,改进百分比阈值算法,获取高信噪比的裂缝区域二值图像,建立高置信裂缝段的特征匹配机制,利用圆形度、面积、不同置信裂缝的类间欧氏距...     

基于曲率滤波和N-P准则的路面裂缝识别方法

针对沥青路面裂缝不连续问题,提出一种基于曲率滤波和N-P准则的裂缝识别方法。通过组合最小矩形切平面和最小三角切平面及修正正则能量项的改进型曲率滤波算法,消除随机噪声并平滑纹理。采取二次分割策略提取疑似裂缝目标和运用裂缝几何特性去除块状或点状噪声,实现裂缝定位和获取裂缝片段。在此基础上,融合裂缝片段的位置和方向信息,提出利用N-P准则连接裂缝片段的端点,从而获得完整裂缝数据。研究结果表明,提出的方法对横裂、纵裂、块裂及龟裂等裂缝都具有较好的检测效果和较高的检测精度,裂缝检测的完整性达到90.5%以上。     

基于改进的分水岭算法的路面裂缝检测

传统的分水岭算法在图像处理中具有保持微弱边缘信息良好的优点,但容易产生过分割问题。针对传统分水岭算法过分割的问题对分水岭合并算法进行了改进,结合沥青路面裂缝特点提出了梯度熵的概念,同时提出了自适应区域合并算法作为判断区域合并的准则,通过该方法在路面裂缝检测上的应用,实验结果表明,该方法与改进前分水岭算法相比,提取出的路面裂缝噪声少,细节保持得好,而且有效地解决了过分割问题。     

基于非下采样Contourlet变换的医学CT图像去噪

为克服Contourlet变换的非平移不变性及频谱混叠等缺陷,提出了一种基于非下采样Contourlet变换的医学CT图像去噪方法。对含噪的CT图像进行非下采样Contourlet变换,得到不同尺度及各个方向上的变换系数,利用Context模型将每个尺度每个方向子带分级,不同分级采用相应的阈值去噪。实验表明,该方法适宜于处理含有更多高斯噪声的医学CT图像,与其他方法相比提高了PSNR值,更好地保留了图像细节,改善了医学CT图像的质量。     

基于混合变分模型的图像去噪

为了有效抑制噪声,获得更好的视觉效果,提出了一种基于混合变分模型的图像去噪方法。将调和模型和全变分模型进行融合,增强模型的去噪性能,根据自适应选取组合系数,组合系数较大时偏向于全变分模型,较小时偏向于调和模型,这样不仅可以有效去除阶梯效应,同时保护边缘细节,采用仿真对比实验以测试模型性能。结果表明,相对其他去噪模型,相同条件下,该模型取得更优的去噪声效果,提高了图像的质量。     

基于图像显著性的路面裂缝检测

有效的视觉显著性方法能准确快速地帮助人们在大量视觉信息中找到感兴趣的物体.针对实际路面图像噪声成分复杂、覆盖面广的特点,提出一种基于图像显著性的路面裂缝检测算法.该算法对路面裂缝图像分块灰度校正后,根据灰度稀疏性、全局对比度计算粗尺度下的裂缝显著值,然后由裂缝局部亮度、边缘特性、连续性特点进行不断扩张的细尺度的局部邻域显著性增强,再经空间显著性加强后,采用自适应阈值分割提取裂缝.大量的实验结果表明,该算法比传统算法更能正确、有效地检测出裂缝整体区域,抗噪声能力强,漏检率和误检率很低,具有和人类视觉特性相符合的检测结果.